#出海运营秘籍👉@yunying23

一个由 IP 衍生出的组织，其基因已经由 IP 最初做的事情决定了。

比如得到，最初就是罗振宇做说书视频，后来也是从说书出发，到更多人说更多书，到书的形态拓展为专栏和课程。

一旦定了调，这个组织想做别的组织擅长的事情，总是不对味，或者说始终掺杂着它原来的那个味。同样是拥抱 AI，得到还是以知识为主，生财则是以实战为主。

如何发现这种基因，可以回到组织的最初，看创始人当时最擅长做的事情是什么，然后用动词（动作）+名词（对象）来描述。比如罗振宇的“说书”，亦仁的“做项目”，刘润的“拆案例”，哥飞的“上站”，参哥的“诊断实体老板的卡点”，等等。

1201-1207 周次，AI 圈值得关注的大事件

- DeepSeek 交了新货，测评强但实际体验没啥差别
- 可灵发了两款视频模型，字节发了 Seedream 4.5
- 智源发了一个多模态世界模型，体验上还是文生文+文生图，没感受到“世界”了什么
- Huggingface 更新了 Transformers V5.0，累计已被下载安装 12 亿次

上周 Product Hunt 和 Github 上榜产品，以下几个值得一试
- Next-AI-Draaw-io：使用 AI 绘制流程图，通过引导 AI 生成 xml 格式内容
- Eureka：把任何资料文档、知识点转化成信息图，可在画布中编辑调整
- Index for ChatGPT：一个为 ChatGPT生成的答案自动生成目录的浏览器插件
- Kalycs：把 Mac 上的文件 Embedding 后，使用 AI 进行搜索和查找
- Typmo：使用内置简单语法绘制线框图，转成让 AI 开发完整产品的提示词
- Markdown Studio：一个为提示词工程师而生的 Markdown 编辑器，可以实时统计 Token 消耗，支持插入提示词模版
- CybeiCur AI：一个用 AI 把长视频自动切割成短视频的在线视频编辑工具

图 By Nano Banana

语音的弊端：带宽窄（没法做复杂 task 比如 Excel）、认知负载比较大（有个 screen 当 external memory，用到的人类认知负载少人不用再一直 recall）、不精确（比如修图也不行）、在 Open office 会有尴尬的问题。比较适合：手忙眼忙场景（开车做饭）、简单的短 query 和具体指令（开电视），还是更适合 co-pilot。

之前有一个放在 Supabase 的表查询经常超时，直接在网页上构建索引也会超时失败，索性直接丢给 Claude code

claude --dangerously-skip-permissions ，默默跑了几十分钟后优化好了 🤫

#出海运营秘籍👉@yunying23

我的公众号还是没有白写
前大厂总监从大厂离职
探索创业一年给我的反馈

#出海运营秘籍👉@yunying23

对于Content Marketing而言，我个人认为开始出现了一种范式转移。

从前的content marketing在这个时代会泛滥，每个AI都可以快速创造各式各样的content.

但不变的是voice

我们需要听到用户的voice（需求）
我们需要表达自己的voice（观点）
我们需要品牌的voice（定位）
我们需要放大voice（声量）

甚至接下来，我们只需要跟agent说话输入观点，agent就能深加工属于人类的voice

我称之为voice marketing.
它有别于vibe marketing

vibe marketing是自动化营销，这件事儿在没有AI之前就能干，除了效率提高，并没有太大的差别

但在content marketing上，会出现大量的没有人感的内容，虽然内容仍然会存在红利期窗口，但最终会走向失效，因为人们更在意人类的部分

这就是voice marketing.

收集voice，形成voice，通过voice生成内容，利用工具放大voice，进而获得广泛的voice，完成整个链路的迭代.

营销是不能没有人的
如果有人告诉你，我有一个agent，可以完全自动化处理这些事情
请千万不要相信

建立用户信任的，永远是voice，而不是一个冰冷的自动化流程机器

#出海运营秘籍👉@yunying23

发现了我的特长：用数据驱动小红书获客🤔

家人们谁懂啊，人在无语的时候真想笑

Coding的时候突然想到一个前端问题，懒得用AI了，就去谷歌直接搜了下

结果出来第一篇就是我为了这个主题写的；不记得之前写过这个问题，所以肯定没有，最后还是用AI找的

vs

张予彤用kimi身份参加一个活动都可以出一篇新闻稿……
那投中年会上@杨远骋Koji 问朱啸虎和张的官司怎么样了，朱的回答也应该可以出一篇喽？

https://mp.weixin.qq.com/s/HBO22fdBZsY_FYcLgcbrzg

相较于几年前投入多多买菜、号召员工炸掉金字塔时的大张旗鼓，拼多多的第十年异常安静，不提时下流行的 AI，也没有卷入外卖大战。10 月 10 日的十周年纪念日，拼多多发了一个宣传短片，一万多名员工没有收到管理层的全员信，每人领了一件卫衣、一枚纪念币，一些名为 “多多鸡” 的吉祥物盲盒手办。于是一些年收入几十万元甚至更高的拼多多员工在闲鱼、小红书或卖或换，交易起了几十元的盲盒。

不变的是每个季度财报会上拼多多高层的风险提示，“增长放缓不可避免”“利润水平不具备可持续性”“本季度业绩（利润创新高）不代表未来”。一开始，这还会引发投资机构抛售其股票，去年股价一度下跌 45%。几次三番，投资者也习惯了，连小红书上的散户都开始把财报发布后的暴跌当成买入信号。

挑战确实更大了。拼多多百亿补贴今年撞上千亿国补，淘宝、甚至京东和抖音的一些热销电子产品价格一度低过拼多多，冲击它的低价心智。

它所在的环境更残酷——消费增长停滞；对手也更强——从京东和职业经理人带领的天猫淘宝，变成了抖音和创始人督战的淘宝天猫。

但最新一季，拼多多商品成交额（GMV）继续增长 15% - 20%，远超阿里和京东，但稍低于抖音电商。其国内电商 GMV 有望达到 6 万亿（下单口径，包括多多买菜、快团团等）。同时 Temu 有望达到全球 900 亿美元的销售规模，顶着关税冲突在几十个国家落地生根。

无声无息地，拼多多在这一年完成了防守反攻。

重温黄峥采访：多多买菜的大胜局，其实早就注定了

看到段永平雪球分享说自己把黄峥16-19年接受的所有采访都看了一遍文字版，我也重温了下黄峥的这些采访。

其实没有几个视频，一两个小时就看完了。

之前短视频经常刷到切片，都挺熟悉的，但连贯看完，收获还是很大。

我的感受是，对于投资而言，一手资料的权重，高到怎么强调都不为过。

商业模式可能会因为竞争环境动态变化的，但是创始人的过去、现在和将来，其实是线性的，都可以在第一手的资料中找到蛛丝马迹。

就比如对比多多买菜和美团优选，今天看，美团完败。

其中美团失败的最大原因，其实就是面对用户，他们对于用户最核心的诉求，在“省”这件事上，不如拼多多理解的深刻。

我经常看王兴的饭否，也看黄峥的东西，其实他们的内容，已经非常丰富的反映了他们从小的境遇，家庭、成长环境、对周围的理解。

王兴的家庭条件要比黄峥好很多的，他的很多动态充满了对这个世界的好奇心和求知欲，能感受到非常强的精英主义。

看黄峥的视频，比如19年接受张鹏采访的视频中，黄峥讲到自己家庭小时候很拮据，哪怕现在自己很有钱了，但是母亲依然不舍得花钱，比如不愿意打车，因为她觉得自己时间不值钱。他讲自己用上抽水马桶，都已经是高中以后的事了，甚至都需要自己清理“化粪池”。

可以说，两人的家庭出身、成长环境、对周围世界的原始触感，完全不同。

社区团购做的是什么？是下沉市场的生意。

黄峥的过往，决定了他天然懂这群人，他就是从那里走出来的，他不需要“换位思考”，他就是那个位置。

别人眼里是冰冷的“商业模型”，黄峥眼里是鲜活的“生活实相”。他只需要把记忆里那些真实的人代入战场，胜负手就一目了然。

社区团购这场仗，从群雄逐鹿到一家独大，拼多多赢得很彻底。

对手还在靠数据痛苦地“迭代认知”，而黄峥一开始的认知，可能就是最到位的。

所以多多买菜敢把一切押注在“省”上，且从未动摇，最终“剩者为王”，吃下了全部的市场。

……

举这个例子只想说明，商业分析哪怕写得再好，其实也给不了这种确定性。

在这个充满噪音的市场里，一手资料的价值，怎么重视都不为过。

不说了，我准备去看黄仁勋、马斯克的视频了。

来分享一下~也是记录一下。
作为不会写代码但有两年多vibe coding经验的技术小白，我目前的AI编程习惯。这里说的不是一句话生成一个产品的开发，而是在已有的相对复杂项目中如何开发新需求或者改bug。

○开发工具
目前使用的是传统的VS Code，配合普通chat bot。没有使用Cursor、trae等AI IDE，也不喜欢用IDE内置的AI能力，因为不喜欢AI乱改代码。之前使用过，但失败率很高而且我都不知道在发生什么。毕竟AI本身有不确定性，一旦它偷偷改了什么，风险就不受控了。（不过很久没使用AI开发工具了，不知道现在体验怎么样。）

○AI模型
几个主流的AI在编程方面的能力都还行，不太复杂的任务让它们来做效果都差不多，细微差异可能有，但以我的水平也看不出来……
不过Gemini Pro的前端能力好像比其他AI要好很多，设计感和完整性都更强，至于后端质量我就不太懂了……

○和AI对话
尽量告诉完整信息，包括
1非常具体的需求效果
2各种情况的处理逻辑
3相关代码。这个地方稍微有一点点技术含量但不是很高：如果是前端问题，就把相关模块的代码发一下；如果是后端，就把相关函数以及函数所在位置都发给它，因为ai经常忘记跨文件引入。
4本地环境，比如我用的是Windows系统、VS Code等等，如果是线上的也会说一下服务器信息和线上运维终端工具。

然后我会让它看看这个需求该怎么实现，它的逻辑思路是什么，以及它有没有什么问题要问我。
重点来了，敲黑板！
它大概率会问一些问题，我不会直接在对话框中回答，而是会把问题的答案写成一段注意事项，重新编辑到第一份prompt里。（大多数ai都可以修改最近一条prompt。）
因为我发现AI对话聊得越长，就越容易忘记前面的信息，也容易出现幻觉。所以尽量在第一份prompt里提供更全面的信息更有帮助。

第一轮对话可能会这样反复优化几次，确保第一份prompt是完整的。这里还有个小细节，我会要求AI在写代码时多写注释，并在关键执行环节打印日志，这样如果有问题，我可以通过打印信息更快定位。

第二个重点！我不会让它给我完整的代码文件。我会让它说得非常清楚:在已有代码中的哪个位置添加或修改什么代码，要精确到从哪里到哪里、改什么，只给我需要更新的代码片段，我会手动贴进去。

如果是比较复杂的任务，我还会让它把工作分阶段，并告诉我每完成一个阶段该如何测试，确保这个阶段任务已经正确完成。

然后我会手动更新代码，更新后按照AI的指导启动程序，测试代码效果。如果一切正常就万事大吉，如果出现问题，重点又来了：
首先要回退所有代码操作（不要保存），如果是小的修改就手动恢复，大的修改可能要用到git工具来恢复上一版代码。
然后不要直接把问题丢给正在对话的AI，可以另建一个窗口，描述当前问题并附上相关代码，让它判断可能出现什么了bug。新的AI窗口可能会告诉你一些可能原因及改进方法，可以多问几个ai把可能的原因丰富一下，把ai给出问题点整理成注意事项，回到主对话框修改最后一次对话内容，把这些注意事项写进去，让它重新生成代码修改方案，这样它大概率会避开之前犯过的错误。

如果再次运行成功，这次小任务就算完成。

记得去掉不需要的打印和注释，如果有什么遗留问题或注意事项，也记得让它帮你写几句备忘录放进readme~
最后git push，部署上线，完事儿~